复杂背景下 SAR 图像船舶目标检测算法研究

来源：计算机技术与发展杂志2021年第10期北京时间：

作者：樊海玮;史双;蔺琪;孙欢;秦佳杰

摘要：针对复杂背景 SAR 图像船舶目标检测易受地物干扰影响,导致模型检测率低的问题,提出将结合通道和空间的双注意力机制 CBAM 引入目标检测网络;将膨胀卷积和 concat 特征融合技术应用于目标检测网络中提升模型对小尺寸目标的鲁棒性;为进一步提高模型的检测速度,使用轻量级 MobileNet 作为基础特征提取网络;同时采用一个新的二分类损失函数使模型训练能够对难易样本设置不同的权重。 最后,通过在构建的复杂背景 SAR 图像船 舶目标检测数据集 SDATA上进行实验, 实验结果表明该算法在复杂背景 SAR 船舶目标检测中其平均检测精度与综合评价指标 F1 -score 值分别为88. 9% 和 91. 2% ,检测速度达 42. 1 fps,从而验证了该模型不仅能够有效提升复杂背景 SAR 图像船舶目标的检测精度,而且在一定程度上提高了目标的检测速度。

关键词：深度学习;目标检测;SAR 图像;双注意力机制;特征融合